- 1、本文档共28页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Matlab笔记——数值计算—概率篇017
17. 数值计算—概率篇
一、计算组合数、排列数
——factorial(n)或 prod(1:n)
——nchoosek(n,k)
——factorial(n)/factorial(n-k)
二、生成随机数
1. rand(m,n)
——生成m×n的服从[0,1]上均匀分布的随机数;
用a + (b-a).*rand(m,n)生成m×n的服从[a,b]上均匀分布的随机数。
2. 二项分布与正态分布随机数
binornd(N,P,m,n)——生成m×n的服从二项分布B(N,P)的随机数;
normrnd(MU,SIGMA,m,n)
——生成m×n的服从正态分布N(MU,SIGMA2)的随机数;
3. 通用格式:
分布缩写+rnd(分布参数, m,n)
或random(‘分布名或缩写’, 分布参数, m,n)
可以用来生成m×n该分布的随机数。各种分布名见下图:
表1 一维随机变量概率分布名称表
分布缩写、分布名称函数说明beta 或 Beta Beta分布bino 或 Binomial 二项分布chi2 或 Chisquare 卡方分布exp 或 Exponential 指数分布f 或 F F分布gam 或 Gamma GAMMA分布geo 或 Geometric 几何分布hyge 或 Hypergeometric 超几何分布logn 或 Lognormal 对数正态分布nbin 或 Negative Binomial 负二项式分布ncf 或 Noncentral F 非中心F分布nct 或 Noncentral t 非中心t分布ncx2 或 Noncentral Chi-square非中心卡方分布norm 或 Normal 正态分布poiss 或 Poisson 泊松分布rayl 或 Rayleigh 瑞利分布t 或 T T分布unif 或 Uniform 均匀分布unid 或 Discrete Uniform 离散均匀分布weib 或 Weibull 威布尔分布
4. 使用randsample和randsrc函数生成指定离散分布随机数
X=randsample(N, k, replace, w)
N相当于[1:N], 也可以是具有确定值的向量;k表示生成k个随机数;replace=’true’表示可重复,或’false’表示不可重复(默认);w是权重向量。
X= randsrc(m,n,[x; p])
生成m×n的随机矩阵,服从取值为向量x, 对应概率为向量p的离散分布。
例1 设离散型随机变量X服从如下分布:
X-2-1012P0.050.20.50.20.05生成服从3×5的该分布的随机数。
代码:
xvalue = [-2 -1 0 1 2];
xp = [0.05 0.2 0.5 0.2 0.05];
% 调用randsample函数生成100个服从指定离散分布的随机数
x = randsample(xvalue, 15, true, xp);
reshape(x,[3 5])
% 调用randsrc函数生成10*10的服从指定离散分布的随机数矩阵
y = randsrc(3,5,[xvalue;xp])
运行结果:ans = 0 0 1 0 0
0 0 0 -1 -1
1 1 0 0 1
y = -1 -1 1 1 -1
-1 0 0 2 0
-1 0 -1 0 0
5. 已知概率密度函数,生成服从该分布的随机数
例2 设随机变量X的概率密度函数为(抛物线分布):
调用crnd函数(来自《MATLAB统计分析与应用 40个案例分析》作者:谢中华),生成3×5个服从该分布的随机数。
代码:
pdffun = 6*x*(1-x); % 密度函数表达式
x = crnd(pdffun,[0 1],3,5)
运行结果:x = 0.3160 0.6866 0.2724 0.2816 0.1268
0.2681 0.8439 0.1948 0.7999 0.5383
0.7377 0.2040 0.4932 0.1948 0.6909
6. 生成多元分布的随机数
mrnd(N, P, m)——多项分布,P为概率向量;
mvnrnd(mu, sigma, m)——多元正态分布,mu, sigma为n元向量;
mvtrnd(C, df, m)——多元t分布;
wishrnd(sigma,df,m)——Wishart分布;
iwishr
文档评论(0)